本周早些时候,我在一个关于房地产人工智能的活动上发言,其中我展示了一个BBC剪辑中的一个例子,该片断说“伦敦市中心现在是一个鬼城”(由于COVID 19)
几个月前,这个标题真是可笑
在伦敦,伦敦市中心和伦敦地下是日常生活的重要组成部分
因此,我对这次会议的假设是:
在后COVID世界中,过去并不等于未来
经常性方法依靠数据(过去)
在许多情况下(例如:房地产),现在不成立,因此,我们需要新的方法
具体而言,我们需要研究在当前数据科学课程和从业人员中并不常见的贝叶斯方法
为了说明原因,
通常,数据科学家缺乏用于对流程进行良好建模的数据。现在,情况变得更糟了,因为我们拥有的数据(如果我们一开始就可以掌握足够的数据)–可能不再适用,因为我们面临不连续性
贝叶斯技术使我们可以更轻松地编码专家知识
贝叶斯技术在稀疏数据下表现更好
贝叶斯模型更容易解释
贝叶斯技术允许使用较小的数据集
您可以将贝叶斯技术与其他模型(例如隐马尔可夫模型)结合使用
贝叶斯技术使您可以对罕见/不可重复的事件进行建模
所有这些特征在今天变得很重要
无论如何,这种观点在实践和教育上都需要得到更多的重视。
关注 CDA人工智能学院 ,回复“录播”获取更多人工智能精选直播视频!